Análisis de resultados electorales

library(eleccionesdb)
library(dplyr)
library(tidyr)
library(ggplot2)

Este vignette muestra flujos de trabajo completos para analizar resultados electorales españoles con dplyr y ggplot2, desde la consulta de datos hasta la visualización.

Funciones de resultados

El paquete ofrece varias funciones para acceder a resultados. Es importante entender la diferencia entre ellas:

Función	Alcance	Devuelve
`get_totales_territorio_eleccion()`	Una elección	Totales territoriales (censo, participación, votos)
`get_resultado_completo()`	Una elección + un territorio	Lista: `$totales_territorio` + `$votos_partido` (por partido)
`get_totales_territorio()`	Cruce de elecciones	Totales territoriales filtrables
`get_votos_partido()`	Cruce de elecciones	Votos por partido filtrables
`get_resultados()`	Cruce de elecciones	Todo expandido: votos + partido + recode + territorio + elección

Para la mayoría de análisis, get_resultados() es la opción más práctica, ya que devuelve toda la información aplanada y lista para usar con dplyr. Por defecto, clean = TRUE renombra las columnas con prefijo a nombres cortos (year, siglas, territorio_nombre…).

Desnormalización de IDs

Las funciones get_totales_territorio(), get_votos_partido(), get_totales_territorio_eleccion(), get_resultado_completo(), get_cera_resumen() y get_cera_votos() devuelven columnas de ID (eleccion_id, territorio_id, partido_id) que hacen referencia a otras tablas. Para facilitar el análisis sin necesidad de hacer joins manuales, puedes usar el parámetro denormalize = TRUE:

# Sin desnormalizar: solo IDs
votos <- get_votos_partido(eleccion_id = 208, territorio_id = 20)
votos
#> # A tibble: 22 × 6
#>       id eleccion_id territorio_id partido_id votos representantes
#>    <int>       <int>         <int>      <int> <int>          <int>
#>  1 50001         208            20       9451 89432              3
#> ...

# Con desnormalización: se añaden columnas descriptivas
votos_dn <- get_votos_partido(
  eleccion_id = 208,
  territorio_id = 20,
  denormalize = TRUE
)
votos_dn
#> # A tibble: 22 × 9
#>       id eleccion_id eleccion_descripcion   territorio_id territorio_nombre
#>    <int>       <int> <chr>                          <int> <chr>
#>  1 50001         208 Elecciones Generales…             20 Almeria
#> # ℹ … partido_id partido_nombre votos representantes

Las columnas descriptivas se insertan justo después de su columna de ID correspondiente:

ID original	Columna añadida	Origen
`eleccion_id`	`eleccion_descripcion`	Campo `descripcion` de la elección
`territorio_id`	`territorio_nombre`	Campo `nombre` del territorio
`partido_id`	`partido_nombre`	Campo `siglas` del partido

Usar la agrupación (recode) como nombre del partido

Cuando se trabaja con datos electorales, es habitual agrupar los votos de las distintas candidaturas locales de un mismo partido bajo una misma etiqueta. El parámetro use_recode = TRUE hace que partido_nombre use la agrupación del recode (de la tabla partidos_recode) en lugar de las siglas originales del partido. Si un partido no tiene recode asignado, se mantienen sus siglas:

# partido_nombre usa la agrupación del recode
votos_recode <- get_votos_partido(
  eleccion_id = 208,
  tipo_territorio = "provincia",
  all_pages = TRUE,
  denormalize = TRUE,
  use_recode = TRUE
)

# Ahora es fácil agrupar por partido sin joins adicionales
votos_recode |>
  group_by(partido_nombre) |>
  summarise(total = sum(votos), .groups = "drop") |>
  slice_max(total, n = 5)
#> # A tibble: 5 × 2
#>   partido_nombre     total
#>   <chr>              <int>
#> 1 PSOE             7480076
#> 2 AP/PP            4356646
#> 3 Cs               2692092
#> 4 UP               2381960
#> 5 VOX              2677173

Desnormalizar con `get_totales_territorio()`

Las funciones sin partido_id (get_totales_territorio(), get_totales_territorio_eleccion(), get_cera_resumen()) solo añaden eleccion_descripcion y territorio_nombre:

resumenes <- get_totales_territorio(
  eleccion_id = 208,
  tipo_territorio = "provincia",
  all_pages = TRUE,
  denormalize = TRUE
)
resumenes |>
  select(eleccion_id, eleccion_descripcion,
         territorio_id, territorio_nombre,
         censo_ine, votos_validos)
#> # A tibble: 52 × 6
#>   eleccion_id eleccion_descripcion    territorio_id territorio_nombre   censo_ine
#>         <int> <chr>                           <int> <chr>                   <int>
#> 1         208 Elecciones Generales…              20 Almeria                402054
#> 2         208 Elecciones Generales…              21 Cadiz                  816291
#> ...

`get_resultado_completo()` con desnormalización

get_resultado_completo() devuelve una lista con $totales_territorio y $votos_partido. Con denormalize = TRUE, ambos elementos reciben las columnas descriptivas:

resultado <- get_resultado_completo(
  208, 20,
  denormalize = TRUE,
  use_recode = TRUE
)

# Los totales incluyen eleccion_descripcion y territorio_nombre
resultado$totales_territorio |>
  select(eleccion_id, eleccion_descripcion,
         territorio_id, territorio_nombre)

# Los votos incluyen además partido_nombre (con recode)
resultado$votos_partido |>
  select(partido_nombre, partido_siglas, votos, representantes) |>
  head(5)
#> # A tibble: 5 × 4
#>   partido_nombre partido_siglas votos representantes
#>   <chr>          <chr>          <int>          <int>
#> 1 PSOE           P.S.O.E.      89432              3
#> 2 AP/PP          PP            72105              2
#> ...

1. Resultados de una elección concreta

Identificar la elección

# Elecciones generales de abril de 2019
elecciones_2019 <- get_elecciones(tipo_eleccion = "G", year = "2019")
elecciones_2019
#> # A tibble: 2 × 9
#>      id tipo_eleccion year  mes   dia   fecha      descripcion       ambito   slug
#>   <int> <chr>         <chr> <chr> <chr> <date>     <chr>             <chr>    <chr>
#> 1   208 G             2019  04    28    2019-04-28 Elecciones Gene…  Nacional elecc…
#> 2   226 G             2019  11    10    2019-11-10 Elecciones Gene…  Nacional elecc…

# La de abril es la id = 208
elec_id <- 208

Resúmenes por provincia

# Totales provinciales de la elección 208
resumenes <- get_totales_territorio_eleccion(
  eleccion_id = elec_id,
  tipo_territorio = "provincia",
  all_pages = TRUE
)
resumenes
#> # A tibble: 52 × 11
#>       id eleccion_id territorio_id censo_ine participacion_1 participacion_2
#>    <int>       <int>         <int>     <int>           <int>           <int>
#>  1  1001         208            20    402054          261543          290178
#>  2  1002         208            21    816291          531099          574123
#> # ℹ 50 more rows
#> # ℹ 5 more variables: participacion_3 <int>, votos_validos <int>,
#> #   votos_nulos <int>, votos_blanco <int>, nrepresentantes <int>

Resultado completo de un territorio

get_resultado_completo() devuelve una lista con los totales territoriales y el desglose de votos por partido para una combinación elección-territorio:

# Resultado completo de Almería (territorio_id = 20) en la elección 208
resultado <- get_resultado_completo(eleccion_id = 208, territorio_id = 20)

# Totales territorio: censo, participación, abstención
resultado$totales_territorio
#> # A tibble: 1 × 11
#>      id eleccion_id territorio_id censo_ine participacion_1 participacion_2
#>   <int>       <int>         <int>     <int>           <int>           <int>
#> 1  1001         208            20    402054          261543          290178
#> # ℹ 5 more variables: ...

# Votos por partido (con datos del partido aplanados)
resultado$votos_partido
#> # A tibble: 22 × 7
#>       id eleccion_id territorio_id partido_id votos representantes partido_siglas
#>    <int>       <int>         <int>      <int> <int>          <int> <chr>
#>  1 50001         208            20       9451 89432              3 P.S.O.E.
#>  2 50002         208            20       3421 72105              2 PP
#> # ℹ 20 more rows

2. Análisis con resultados combinados

get_resultados() es la función más potente: devuelve cada fila de votos con todos los objetos anidados aplanados (partido + recode, territorio, elección). Por defecto, clean = TRUE renombra los campos con prefijo a nombres cortos y descarta las columnas de IDs y slugs.

Votos por partido en una comunidad autónoma

# Resultados provinciales de Andalucía en las generales de abril 2019
andalucia <- get_resultados(
  tipo_eleccion = "G", year = "2019",
  tipo_territorio = "provincia",
  codigo_ccaa = "01",
  all_pages = TRUE
)

# Columnas limpias (clean = TRUE por defecto):
names(andalucia)
#>  [1] "year"               "mes"                "tipo_eleccion"
#>  [4] "tipo_territorio"    "territorio_nombre"  "codigo_ccaa"
#>  [7] "codigo_provincia"   "siglas"             "denominacion"
#> [10] "partido_recode"     "votos"              "representantes"

Ejemplo: Top 5 partidos por votos totales

top5 <- andalucia |>
  group_by(partido_recode) |>
  summarise(total_votos = sum(votos), .groups = "drop") |>
  filter(!is.na(partido_recode)) |>
  slice_max(total_votos, n = 5)

top5
#> # A tibble: 5 × 2
#>   partido_recode total_votos
#>   <chr>                <int>
#> 1 PSOE               1568432
#> 2 AP/PP              1023456
#> 3 Cs                  789012
#> 4 UP                  456789
#> 5 VOX                 345678

Para obtener los colores del recode, podemos consultar la tabla de agrupaciones:

recodes <- get_partidos_recode(all_pages = TRUE)
colores <- recodes |>
  filter(agrupacion %in% top5$partido_recode) |>
  with(setNames(color, agrupacion))

Gráfico de barras: votos por agrupación

ggplot(top5, aes(x = reorder(partido_recode, total_votos), y = total_votos)) +
  geom_col(aes(fill = partido_recode)) +
  scale_fill_manual(values = colores) +
  coord_flip() +
  scale_y_continuous(labels = scales::label_number(scale = 1e-6, suffix = "M")) +
  labs(
    title = "Elecciones Generales 28-A 2019 — Andalucía",
    subtitle = "Votos totales por agrupación (nivel provincia)",
    x = NULL,
    y = "Votos"
  ) +
  theme_minimal() +
  theme(legend.position = "none")

Votos por partido y provincia

# Desglose de los 5 principales partidos por provincia
por_provincia <- andalucia |>
  filter(partido_recode %in% top5$partido_recode) |>
  select(territorio_nombre, partido_recode, votos)

por_provincia |>
  pivot_wider(
    names_from = partido_recode,
    values_from = votos,
    values_fill = 0
  )

Gráfico: distribución provincial

ggplot(
  por_provincia,
  aes(x = territorio_nombre, y = votos, fill = partido_recode)
) +
  geom_col(position = "dodge") +
  scale_fill_manual(values = colores) +
  scale_y_continuous(labels = scales::label_comma()) +
  labs(
    title = "Votos por partido y provincia — Andalucía 28-A 2019",
    x = NULL,
    y = "Votos",
    fill = "Agrupación"
  ) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

3. Comparar participación entre elecciones

get_totales_territorio() permite consultar totales territoriales cruzando múltiples elecciones:

# Totales a nivel de CCAA para todas las generales
resumenes_generales <- get_totales_territorio(
  tipo_eleccion = "G",
  tipo_territorio = "ccaa",
  all_pages = TRUE
)

# Calcular tasa de participación por elección y territorio
participacion <- resumenes_generales |>
  mutate(tasa_participacion = participacion_1 / censo_ine * 100) |>
  select(eleccion_id, territorio_id, tasa_participacion)

Para enriquecer con los datos de la elección, podemos cruzar con get_elecciones():

elecciones <- get_elecciones(tipo_eleccion = "G", all_pages = TRUE)

participacion_enriquecida <- participacion |>
  left_join(
    elecciones |> select(id, year, fecha),
    by = c("eleccion_id" = "id")
  )

Gráfico: evolución de la participación

# Participación media nacional por elección
media_nacional <- participacion_enriquecida |>
  group_by(fecha) |>
  summarise(media_participacion = mean(tasa_participacion, na.rm = TRUE))

ggplot(media_nacional, aes(x = fecha, y = media_participacion)) +
  geom_line(linewidth = 1, color = "#333333") +
  geom_point(size = 3, color = "#E30613") +
  scale_y_continuous(limits = c(50, 85), labels = function(x) paste0(x, "%")) +
  labs(
    title = "Evolución de la participación en elecciones generales",
    x = NULL,
    y = "Participación media (%)"
  ) +
  theme_minimal()

4. Evolución del voto de una agrupación

get_votos_partido() devuelve votos por partido, cruzando elecciones. Combinado con las agrupaciones de recode permite hacer análisis temporales:

# Usamos get_resultados para obtener votos con partido y elección
votos_combinados <- get_resultados(
  tipo_eleccion = "G",
  tipo_territorio = "provincia",
  all_pages = TRUE
)

# Total nacional por agrupación y elección
evolucion <- votos_combinados |>
  filter(!is.na(partido_recode)) |>
  group_by(year, partido_recode) |>
  summarise(total_votos = sum(votos), .groups = "drop")

Gráfico: evolución temporal de los principales partidos

# Seleccionar las 4 agrupaciones con más votos históricos
top_agrupaciones <- evolucion |>
  group_by(partido_recode) |>
  summarise(total = sum(total_votos)) |>
  slice_max(total, n = 4)

# Obtener colores de las agrupaciones
recodes_colores <- get_partidos_recode(all_pages = TRUE)
colores_top <- recodes_colores |>
  filter(agrupacion %in% top_agrupaciones$partido_recode) |>
  with(setNames(color, agrupacion))

evolucion |>
  filter(partido_recode %in% top_agrupaciones$partido_recode) |>
  ggplot(aes(x = year, y = total_votos, color = partido_recode, group = partido_recode)) +
  geom_line(linewidth = 1) +
  geom_point(size = 2) +
  scale_color_manual(values = colores_top) +
  scale_y_continuous(labels = scales::label_number(scale = 1e-6, suffix = "M")) +
  labs(
    title = "Evolución del voto en elecciones generales",
    subtitle = "Total nacional por agrupación (nivel provincia)",
    x = NULL,
    y = "Votos totales",
    color = "Agrupación"
  ) +
  theme_minimal()

5. Mapa de calor: representantes por provincia

# Representantes por provincia y agrupación en las generales 28-A 2019
representantes <- get_resultados(
  tipo_eleccion = "G", year = "2019",
  tipo_territorio = "provincia",
  all_pages = TRUE
) |>
  filter(partido_recode %in% c("PSOE", "AP/PP", "Cs", "UP", "VOX")) |>
  select(territorio_nombre, partido_recode, representantes)

ggplot(representantes, aes(
  x = partido_recode,
  y = territorio_nombre,
  fill = representantes
)) +
  geom_tile(color = "white") +
  scale_fill_viridis_c(option = "plasma", direction = -1) +
  labs(
    title = "Representantes por provincia — 28-A 2019",
    x = NULL,
    y = NULL,
    fill = "Escaños"
  ) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Siguientes pasos

Introducción: si aún no lo has leído, repasa los conceptos básicos en vignette("introduccion").
Territorios y partidos: profundiza en los datos maestros en vignette("datos-maestros").
Voto exterior (CERA): analiza el voto de los españoles en el extranjero en vignette("voto-exterior-cera").